基于机器学习和单导联心电图的血清钾预测
2026年3月21日 更新者：David Levine、Brigham and Women's Hospital
基于机器学习和单导联心电图的血钾水平预测
这是一项回顾性研究，数据来源于布里格姆和妇女医院家庭医院项目数据库。
使用训练队列的社会人口学和临床数据训练机器学习算法，以预测患者住院期间的血液钾水平。
随后在验证队列中对该算法进行了验证。
研究概览
研究类型
观察性的
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Massachusetts
-
Boston、Massachusetts、美国、02115
- Brigham and Women's Hospital
-
Boston、Massachusetts、美国、02130
- Brigham and Women's Faulkner Hospital
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
不
取样方法
非概率样本
研究人群
受试者进入布莱根妇女医院和布莱根妇女福克纳医院，符合主要诊断、年龄和5英里内居住要求，并参与家庭医院项目。
描述
曾作为布莱根和妇女家庭医院研究的受试者，并在该研究数据库中拥有完整记录。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
训练
用于训练机器学习算法的患者子集。
|
应用机器学习算法估算患者的钾水平。
|
|
验证
被“阻止”并用于验证算法准确性的患者子集。
|
应用机器学习算法估算患者的钾水平。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
血清钾浓度
大体时间：从入院日期到出院日期，直至研究完成，平均持续7天。
|
血清钾，以毫摩尔每升计量
|
从入院日期到出院日期，直至研究完成，平均持续7天。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
高钾血症
大体时间：从入院之日起至出院之日止，直至研究完成，平均7天。
|
血清钾大于5.1毫摩尔每升
|
从入院之日起至出院之日止，直至研究完成，平均7天。
|
|
低钾血症
大体时间：从入院日期到出院日期，直至研究完成，平均为期7天。
|
血清钾低于3.4毫摩尔每升
|
从入院日期到出院日期，直至研究完成，平均为期7天。
|
|
正常血钾
大体时间：从入院之日到出院之日，直至研究完成，平均约7天。
|
血清钾在3.4至5.1毫摩尔每升之间
|
从入院之日到出院之日，直至研究完成，平均约7天。
|
|
血清钾低于对比大于或等于4毫摩尔每升
大体时间：从入院之日起至出院之日止，整个研究完成平均需要7天。
|
血清钾下降至小于4毫摩尔/升与大于或等于4毫摩尔/升的对比
|
从入院之日起至出院之日止，整个研究完成平均需要7天。
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
合作者
调查人员
- 首席研究员：David Levine, MD MPH MA、Associate Physician
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2021年3月20日
初级完成 (估计的)
2021年8月1日
研究完成 (估计的)
2021年12月1日
研究注册日期
首次提交
2021年4月14日
首先提交符合 QC 标准的
2026年3月21日
首次发布 (实际的)
2026年3月25日
研究记录更新
最后更新发布 (实际的)
2026年3月25日
上次提交的符合 QC 标准的更新
2026年3月21日
最后验证
2026年3月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- 2017P002583c
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.